많은 무작위 최적화 알고리즘은 순위 불변성이 있으며, 절대 적합도 값이 아닌 솔루션의 상대적 순서만을 의존합니다. 우리는 순위 풍경 불변성의 더 강력한 개념을 소개합니다: 두 문제는 그들의 순위뿐만 아니라 이웃 구조와 대칭(이동 및 회전)이 동일한 풍경을 유도하는 경우 동등합니다. 이는 개별 함수보다는 순위 풍경의 연구를 촉진합니다. 이전 연구는 단독으로 주입 함수 클래스의 순위를 분석했으나, 우리는 비주입 사례를 포함한 1, 2, 3 차원의 의사-불리언 함수에 대한 불변 풍경 클래스의 철저한 목록을 제공합니다. 우리의 분석은 총 12,007 개의 클래스를 밝혀내며, 이는 순위 불변성만과 비교할 때 상당한 감소입니다. 우리는 비주입 함수가 주입 함수보다 훨씬 더 많은 불변 풍경 클래스를 생성한다는 것을 발견했습니다. 또한, 기만성, 중립성 및 힐 클라이밍 전략의 성능에 대한 복잡한 위상 풍경 속성 및 알고리즘 행동의 조합이 발생합니다. 이 목록은 교육 목적으로 및 벤치마크 설계를 위한 자원으로 사용되며, 통제된 난이도로 더 큰 문제를 구성하고 풍경 난이도 및 알고리즘 성능에 대한 이해를 발전시킬 수 있는 기초를 제공합니다.
Liefooghe et al. (Tue,)은 이 문제를 연구했습니다.